Fortytwo, Kodlama Görevlerinde %24,7 Daha Az Belirteç Kullanıldığını Bildirdiği Engine API’yi Kullanıma Sundu

Fortytwo, görevleri tamamlamak için gereken üretilmiş metin miktarını azaltırken akıl yürütmeyi geliştirmek üzere birlikte çalışan yapay zekâ modellerinden yararlanan bir çıkarım API’si olan Fortytwo Engine’i kullanıma sundu. Şirket, desteklenen ilk modeli Qwen 3.8 27B’nin, tek başına çalışan aynı modele kıyasla 450 DeepSWE yazılım mühendisliği görevi çalıştırmasında %24,7 daha az belirteç kullandığını ve görevlerin daha büyük bir bölümünü çözdüğünü bildirdi.

Duyuru, yapay zekâ ajanlarının giderek büyüyen bir maliyet sorununu hedefliyor: Belirteç başına düşük fiyat, tamamlanan görev başına maliyetin de düşük olacağı anlamına gelmiyor. Uzun kodlama ve araştırma süreçlerinde bağlamın tekrar tekrar işlenmesi, gereksiz araç çağrıları ve yeniden denemeler birikebiliyor. Şirkete göre Fortytwo’nun yaklaşımı, çıkarım sürecinin içinde bu israfı azaltmaya çalışırken belirteç başına fiyatı temel modelin düzeyinde tutuyor.

Hatalar Büyümeden Akıl Yürütmeyi Yönlendirmek

Fortytwo, yeni Engine’in arkasındaki teknolojiye Swarm Decoder adını veriyor. Yanıt tamamlanmadan önce hangi yönün daha güçlü olduğunu değerlendiren birden fazla model katılımcısı, üretilirken ortak bir akıl yürütme rotasını şekillendiriyor. Amaç, zayıf varsayımları erkenden fark ederek yanlış bir yöne sapmanın ardından gelen ek üretim ve toparlanma çalışmalarını önlemek.

Bu, Fortytwo’nun önceki mimarisinden farklı. Şirketin 2025’te yayımladığı sürü çıkarımı araştırmasında ayrı düğümler birbirinden bağımsız yanıtlar üretiyor, bunları doğrudan karşılaştırıyor ve en güçlü katkıları birleştiriyordu. Şirket, kendini kanıtlamış düğümlere daha fazla ağırlık veren istatistiksel bir sıralama mekanizması tanımlıyor; akran değerlendirmesi de bu düğümlerin itibar kazanmasına yardımcı oluyor. Önceki yaklaşım tamamlanmış yanıtları değerlendirirken yeni Engine, akran sıralamasını doğrudan akıl yürütme sürecine taşıyor.

Bu fark, çok sayıda adımı izleyerek çalışan ajanlar açısından önem taşıyor. Tamamlanmış yanıtlar arasından en güçlüsünü seçmek yanıtı iyileştirebilir; ancak daha zayıf seçenekleri üretmek için harcanmış belirteçleri geri kazandırmaz. Sürekli yönlendirme, verimsiz bir rotanın en baştan büyümesini önlemeyi amaçlıyor. Fortytwo, belirteç hesabına yalnızca nihai yanıtı değil, sürece katılan tüm modelleri de dahil ettiğini söylüyor.

CEO ve kurucu ortak Ivan Nikitin, faydayı iki yönlü olarak tanımladı: “Kolektif akıl yürütme iki kez kazandırıyor: Yanıtlar daha iyi oluyor ve görevler daha az belirteç kullanıyor.”

Fortytwo’nun Testleri Ne Gösteriyor?

Şirketin DeepSWE değerlendirmesinde Engine 47,8 puan alırken temel model 42,2 puanda kaldı; bu, 5,6 yüzde puanlık bir artış anlamına geliyor. Çalıştırma başına ortalama belirteç kullanımı 16,3 milyondan 12,3 milyona düştü. Fortytwo, 450 çalıştırmanın tamamında temel model için toplam 7,4 milyar, Engine içinse 5,6 milyar belirteç kullanıldığını bildiriyor.

Lansman materyallerinde ayrıca bilim, kodlama ve genel akıl yürütme alanlarını kapsayan diğer beş ölçütte de daha yüksek puanlar bildiriliyor:

Kaynak: Fortytwo’nun lansman duyurusu. Puanlar, şirketin değerlendirme protokolü kapsamında Qwen 3.8 27B’nin Engine ile ve Engine olmadan çalıştırılmasının karşılaştırmasına dayanıyor.

Bunlar şirketin bildirdiği sonuçlardır. Belirteçlerdeki %24,7’lik azalma yalnızca DeepSWE çalıştırmalarına aittir; bu oran, tüm ölçütlerde veya üretim iş yüklerinin tamamında ölçülmüş bir tasarruf olarak değerlendirilmemelidir. Geliştiriciler için asıl sınama, bir modelin kendi görevlerini daha az toplam belirteç, yeniden deneme ve araç çağrısıyla doğru biçimde tamamlayıp tamamlamadığıdır.

Tanıdık API, Belirli Uyumluluk Sınırlarıyla

Hizmet, Fortytwo’nun geliştirici platformu üzerinden kullanılabiliyor. API belgelerinde, OpenAI Chat Completions API ile uyumluluk açıklanıyor. Böylece mevcut bir SDK veya istemci, desteklenen bir model kimliğinin yanı sıra Fortytwo API anahtarı ve temel URL’si kullanabiliyor.

Belgelenen özellikler arasında akış, işlev araçları, paralel araç çağrıları ve yapılandırılmış çıktı bulunuyor. Geliştiriciler ayrıca bir akıl yürütme çabası düzeyi seçebiliyor. Bu özellikler, yalnızca sohbet metni üretmek yerine yazılım araçlarını çağırması ve makinelerce okunabilir sonuçlar döndürmesi gereken ajanlar için hizmeti kullanışlı kılıyor.

Uyumluluğun sınırları var. Belgelerde Chat Completions ve model listeleme desteklenen uç noktalar olarak belirtilirken Responses, Embeddings, Audio, Files ve Assistants gibi API’lerin desteklenmediği ifade ediliyor. Bazı istek alanları yalnızca kısmen destekleniyor veya seçilen modele bağlı; desteklenmeyen alanlar sessizce yok sayılmak yerine hata döndürüyor. Bu nedenle mevcut bir uygulamayı taşıyan ekiplerin, uygulamanın gerçek isteklerini uyumluluk kılavuzuna göre kontrol etmesi gerekiyor.

Kolektif Yapay Zekâya Yönelik Daha Kapsamlı Bir Yatırım

Engine, kendi altyapılarında sürü çıkarımı kullanmak isteyen kuruluşlara yönelik şirket ürünü Fortytwo Harbor ile birlikte sunuluyor. Fortytwo, Harbor’ı verileri kuruluşun sınırları içinde tutma ve token başına API ücreti yerine sabit donanım maliyeti kullanma yaklaşımı üzerine konumlandırıyor.

Şirketin daha geniş kapsamlı araştırma programı, model ağı üzerinden eğitim verisi üretmeyi de içeriyor. Web sitesinde, Fortytwo tarafından oluşturulan bir veri kümesiyle eğitilmiş açık bir model olan Strand-Rust-Coder-14B öne çıkarılıyor. Bu çalışmalar model eğitimine odaklanırken yeni Engine, mevcut açık ağırlıklı modellerin çıkarım sırasında akıl yürütme biçimini geliştirmeye odaklanıyor.

2024’te kurulan Fortytwo, Mountain View ve Abu Dabi’de de çalışan 15 mühendisten oluşan bir ekibi olduğunu, 2025’te tohum öncesi yatırım olarak 2,3 milyon dolar topladığını ve 2026’da Abu Dabi’nin Hub71 ekosistemine katıldığını belirtiyor. Engine için Qwen 3.8 27B’nin ardından daha fazla açık model planlanıyor.

Lansman, başarılı görev başına maliyeti öne çıkarıyor. Sürekli akran değerlendirmesi, kendi ek yükünü karşılayacak ölçüde boşa harcanan akıl yürütme işlemini güvenilir biçimde önleyebilirse geliştiriciler, daha iyi modeller ve daha hızlı donanımın yanı sıra ajan ekonomisini iyileştirmenin başka bir yoluna daha sahip olabilir.